Bilderkennung mit Hilfe von KI

Wie können per Bildklassifizierung defekte Teile erkannt werden?

Im Karosserie- und Fahrzeugbau wird eine Vielzahl von Werkstücken mittels Lötstellen verbunden. Lötstellen sind mangelhaft, wenn sie beispielsweise Brüche oder Poren enthalten. Die Tauglichkeit von Lötstellen kann weitestgehend optisch beurteilt werden. Kann die Bewertung von Bildaufnahmen der Lötstellen ausreichend gut und ausreichend schnell mittels künstlicher Intelligenz vorgenommen werden? Zu beachten ist, dass in den Trainingsbildern für die Bildklassifizierung defekte Lötstellen klar unterrepräsentiert sind im Vergleich zu qualitativ hochwertigen Lötstellen.

Lösung: Kategorisierung der Bilder durch ein neuronales Netz

Die Bilder der Lötstellen werden geeignet zugeschnitten und zentriert. Mittels geeigneter Data Augmentation wird der unausgewogene (imbalanced) Datensatz angereichert. Ein neuronales Netz wird auf dem Trainingsdatensatz trainiert, welches Lötstellen aufgrund der Bilder in verschiedene Kategorien klassifiziert (“gut”, “enthält Bruch”, “enthält Poren”, “enthält Spanreste”, …). Die auf diese Weise erzeugte künstliche Intelligenz wird in Form eines eingebetteten Systems (embedded system) zusammen mit einer Kameralösung unmittelbar in den Produktionsprozess eingebunden. Das Gesamtsystem ist derart konstruiert, dass Expertenfeedback bzgl. Klassifikationen und Kategorien einbezogen werden kann, und auf diese Weise ein sich sukzessive verbesserndes, selbstlernendes System entsteht.

Benefits: Kosten-, Zeit- und Ressourcenersparnis

  • Zeitersparnis bei Qualitätschecks
  • Einsparung von Produktionskosten
  • Qualitätssteigerung in der Produktion durch Vermeidung menschlicher Fehler und Versäumnisse bei monotonen Aufgaben

Videomaterial und weiteres Lesematerial

  • Über ein Computer-Vision-Projekt mit unserem Kunden IFSYS, Hersteller für Zuführsysteme aus Großbardorf, berichtet die Region Mainfranken GmbH im Rahmen Ihrer Artikel-Reihe “Best Practices”, welche Kooperationen innerhalb ihres regionalen MaKoMA-Netzwerks beleuchtet: Maschinenbau trifft KI: ein Netzwerk mit Zukunftsperspektive (externer Link), Januar 2024. Bei dieser Lösung haben neuronale Netze Einzug in eine von IFSYS konstruierte Haselnuss-Sortiermaschine gefunden, die dank der künstlichen Intelligenz Haselnüsse mit hoher Genauigkeit und Geschwindigkeit zuverlässig in verschiedene Qualitätsklassen sortiert.
  • Bilder mit Hilfe von KI zu erkennen, um darauf aufbauend Zuordnungen vornehmen zu können, muss nicht automatisch kompliziert oder hochkomplex sein. Im Video zeigen wir anhand von Schraubenzieher-Bits, wie mit wenig Aufwand, kurzer Zeiterfordernis und minimaler Hardware Bildklassifizierung gelingen kann.

Kontaktieren Sie uns

Sie interessieren sich für einen unserer Use Cases und möchten ihn mit Ihrer Ansprechpartnerin Tina Geisberger besprechen? Kontaktieren Sie sie, um zu erfahren, wie wir Ihnen zur Seite stehen können.

Bild Tina Geisberger

Tina Geisberger

Senior Account Manager - Tinas Leidenschaft und Expertise sind Use Cases und sie brennt darauf, gemeinsam mit Ihnen zu spezifizieren, in welchem unserer Use Cases Sie sich wiederfinden. Durch ihre jahrelange Berufserfahrung weiß sie, wie wichtig es ist, genau zuzuhören, um herauszufinden, wie Ihnen Ihr Berufsalltag durch unsere Predictive-Analytics-Lösungen vereinfacht werden kann. Sie arbeitet äußerst lösungsorientiert und freut sich über jede Herausforderung - wie sieht Ihre aus?


Kontakt

prognostica GmbH
Prymstr. 3
D-97070 Würzburg
P: +49 931 497 386 0

Ihr Partner für Predictive Analytics und Data Science.

Weitere Angaben, u. a. zum Datenschutz, finden Sie in unserem Impressum und unserer Datenschutzerklärung.

Folgen Sie uns!

© 2024 prognostica GmbH

Kontakt